基于改進K-Means聚類方法的高校就業(yè)推薦系統(tǒng)研究.pdf

1、隨著我國社會主義市場經(jīng)濟的下行壓力，國際經(jīng)濟形勢的不利影響，高校的不斷擴招，畢業(yè)生就業(yè)難已成為重要的社會問題。雖然校園招聘就業(yè)信息發(fā)布平臺是高校畢業(yè)生完成就業(yè)的主要渠道，但這一途徑仍然存在許多問題。一方面，各高校的就業(yè)信息平臺提供的就業(yè)指導方式和內容單一，主要是為學生定期發(fā)布招聘信息和宣傳國家就業(yè)政策，缺乏就業(yè)推薦功能。另一方面，高校畢業(yè)生需從龐大的聘用信息中篩選符合自身就業(yè)意愿的信息。其過程花費巨大的求職成本，其中包括時間成本，精力成

2、本，機會成本。
　　由于上述諸多問題本文設計實現(xiàn)了“基于改進K-Means聚類方法的高校就業(yè)推薦系統(tǒng)”。旨在為每一位畢業(yè)生提供一份一對一的就業(yè)指導，同時降低學生求職過程中的盲目性。系統(tǒng)基于學生和企業(yè)的真實歷史數(shù)據(jù)，考慮學生求職過程中的個性化影響因素，通過推薦算法、數(shù)據(jù)挖掘技術及企業(yè)評估指數(shù)模型分析，得到推薦企業(yè)排名。其中主要分三部分:(1)數(shù)據(jù)抽取整理部分:從已有的高校學生管理系統(tǒng)、校園就業(yè)平臺及其他企業(yè)信息來源抽取相關的學生數(shù)據(jù)

3、和企業(yè)數(shù)據(jù)。建立學生數(shù)據(jù)庫，企業(yè)數(shù)據(jù)庫。為提高客觀準確性，運用Apriori關聯(lián)算法篩選出與本文問題相關的屬性，去掉無關屬性。(2)計算高校畢業(yè)生與招聘企業(yè)間相似度部分:通過運用改進的K-Means算法對學生進行聚類，結合SimRank算法求得的學生間的相似度，最終得到學生與企業(yè)間的相似度。(3)推薦企業(yè)排名部分:結合“學生與企業(yè)間相似度”及“企業(yè)評估指數(shù)模型”計算得到針對每個學生的推薦企業(yè)排名結果。同時加入個性篩選功能進一步提高推薦針

4、對性。
　　本系統(tǒng)數(shù)據(jù)選取大連海事大學2009年到2012年的學生歷史數(shù)據(jù)4012條作為往屆學生數(shù)據(jù)庫的數(shù)據(jù)。抽取2012年和部分2013年學生數(shù)據(jù)1003條作為應屆生數(shù)據(jù)庫，并對系統(tǒng)進行測試。在海事大學就業(yè)網(wǎng)抽取整理1222條企業(yè)數(shù)據(jù)。在系統(tǒng)評估方面有以下幾個重要指標:推薦企業(yè)數(shù)量(N)，系統(tǒng)推薦命中率（P），系統(tǒng)推薦排名指數(shù)（F)。
　　通過系統(tǒng)測試和參數(shù)確定，最終確定:推薦系統(tǒng)的推薦企業(yè)數(shù)為25，系統(tǒng)命中率達到0.67